The anatomy of regression-to-the-mean in simulated epilepsy trials
मिर्गी के रोगियों के एक बड़े पैमाने के सिमुलेशन का उपयोग करते हुए, यह अध्ययन प्रदर्शित करता है कि 'रिग्रेशन टू द मीन' (माध्य की ओर प्रतिगमन) विशिष्ट तंत्रों—जिसमें क्षणिक बीमारी का बिगड़ना, सख्त पात्रता मानदंड, मापन संवेदनशीलता में कमी और झूठी चेतावनियाँ शामिल हैं—के माध्यम से स्पष्ट प्लेसेबो प्रतिक्रियाओं को कृत्रिम रूप से बढ़ा सकता है, जिससे परीक्षण डिजाइन और एंडपॉइंट्स की व्याख्या में सुधार करने के लिए महत्वपूर्ण अंतर्दृष्टि प्राप्त होती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप यह पता लगाने की कोशिश कर रहे हैं कि क्या एक नया, शानदार छाता वास्तव में आपके पुराने, फटे-पुराने छाते से बेहतर बारिश रोकता है। इसका परीक्षण करने के लिए, आप यह मापने का निर्णय लेते हैं कि आप कितने गीले होते हैं। लेकिन इसमें एक पेंच है, आप अपना परीक्षण केवल साल की सबसे खराब, सबसे भीषण मूसलाधार बारिश पर ही शुरू करते हैं। स्वाभाविक रूप से, अगला घंटा कम बरसामी होने की संभावना है, क्योंकि तूफान गुजर रहा है। यदि आप "अति-गीले" पहले घंटे की तुलना "बस-गीले" दूसरे घंटे से करते हैं, तो ऐसा लगता है जैसे आपका नया छाता एक चमत्कार है, भले ही वह कुछ भी विशेष नहीं कर रहा हो। विज्ञान में, मन के इस धोखे को "रिग्रेशन टू द मीन" (माध्य की ओर प्रतिगमन) कहा जाता है। यह तब होता है जब हम किसी समूह या चीज़ों को एक चरम क्षण (जैसे कि एक बुरा दिन) के आधार पर चुनते हैं और फिर बाद में उन्हें देखते हैं; वे लगभग हमेशा अपनी सामान्य, औसत स्थिति की ओर वापस लौट आते हैं। यह चिकित्सा में बहुत मायने रखता है, विशेष रूप से मिर्गी जैसी स्थितियों के लिए, जहाँ मरीजों को दौरों की लहरें आती हैं और जाती हैं। यदि कोई क्लिनिकल ट्रायल उन रोगियों को चुनता है जो दौरों के तूफान के बीच में हैं, तो बाद में दिखने वाला सुधार केवल तूफान के शांत होने के कारण हो सकता है, न कि दवा के काम करने के कारण। यह जानने के लिए कि वास्तविक इलाज और सांख्यिकीय भ्रम के बीच क्या अंतर है, वैज्ञानिकों को समय और पैसा बर्बाद करने से बचना होगा ताकि वे उन उपचारों पर काम न करें जो वास्तव में मदद नहीं करते हैं।
डैनियल गोल्डनहोल्ज़ और उनकी टीम का यह शोध पत्र एक विशाल, डिजिटल प्रयोगशाला की तरह है जहाँ उन्होंने यह देखने के लिए दस लाख नकली मरीज बनाए कि यह "सांख्यिकीय भ्रम" ठीक कैसे काम करता है। उन्होंने वास्तविक लोगों का परीक्षण नहीं किया; इसके बजाय, उन्होंने 1,000,000 मरीजों के दैनिक दौरे के 36 महीनों के रिकॉर्ड के साथ सिम्युलेट करने के लिए 'CHOCOLATES' नामक एक कंप्यूटर प्रोग्राम का उपयोग किया। फिर उन्होंने एक नकली प्रयोग चलाया: उन्होंने उन मरीजों को चुना जिनके दो महीने के "बेसलाइन" काल में दौरों की संख्या अधिक थी और बिना कोई वास्तविक दवा दिए अगले तीन महीनों तक उन पर नज़र रखी। लक्ष्य यह देखना था कि संयोग से कितनी "सुधार" होगी।
शोधकर्ताओं ने पाया कि इन ट्रायल्स में देखा गया "प्लेसबो सुधार" केवल एक चीज़ नहीं है; यह वास्तव में तीन अलग-अलग धोखों का एक ही मुखौटा पहने हुए है। उन्होंने इन्हें टाइप 1, टाइप 2 और टाइप 3 कहा।
टाइप 1 एक अस्थायी खराब मूड की तरह है। कल्पना कीजिए कि एक मरीज जिसका आमतौर पर महीने में कुछ दौरे पड़ते हैं, लेकिन दो महीने के लिए, वह बीमार हो जाता है या तनाव में आ जाता है, और उसके दौरों में उछाल आता है। यदि ट्रायल उन्हें इस उछाल के दौरान चुनता है, तो वे स्वाभाविक रूप से अपने सामान्य जीवन में लौटने पर बेहतर हो जाएंगे, जिससे ऐसा लगेगा कि ट्रायल ने उनकी मदद की। सिमुलेशन में, जब यह "अस्थायी बीमारी" ट्रायल के शुरुआती काल के साथ ओवरलैप हुई, तो नकली मरीज 92.6% तक सुधरे हुए दिखे, भले ही वे केवल एक बुरे दौर से उबर रहे थे।
टाइप 2 खेल के नियमों के साथ भाग्य का खेल है। कल्पना कीजिए कि आप मछली पकड़ रहे हैं, लेकिन आप केवल सबसे बड़ी मछलियाँ ही रखते हैं। यदि आप नियम बदलते हैं और कहते हैं, "हम केवल वही मछली रखेंगे जो कम से कम 8 इंच लंबी है" न कि "4 इंच", तो आप खुद को सबसे बड़ी, सबसे चरम मछलियों को चुनने के लिए मजबूर कर रहे हैं। अध्ययन में, जब उन्होंने नियम को सख्त बनाया (महीने में 8 दौरों की आवश्यकता के साथ, 4 के बजाय), तो उन्होंने उन मरीजों को चुना जो अपने बिल्कुल सबसे बुरे क्षणों में थे। क्योंकि वे क्षण इतने चरम थे, मरीज बाद में स्वाभाविक रूप से अपने औसत की ओर लौट आए। इस नियम परिवर्तन ने अकेले ही "सुधार" को 29.4% तक दिखा दिया, भले ही मरीजों के मस्तिष्क में कुछ भी नहीं बदला था।
टाइप 3 मापने के त्रुटिपूर्ण उपकरणों के बारे में है। कल्पना कीजिए कि आप पेड़ में पक्षियों को गिनने की कोशिश कर रहे हैं, लेकिन आपके दूरबीन धुंधले हैं, या आप पत्तियों को पक्षी समझ रहे हैं। सिमुलेशन में, उन्होंने दौरों को गिनने के लिए उपयोग किए जाने वाले "डायरी" के साथ छेड़छाड़ की। जब उन्होंने गिनती को कम सटीक बनाया (संवेदनशीलता को 70% तक कम करके), तो मरीज बेहतर होते हुए दिखे, जो 33.3% था। इससे भी बुरा यह है कि जब उन्होंने "गलत अलार्म" (ऐसी चीजें गिनना जो दौरे नहीं थे) को प्रतिदिन 1 की दर से जोड़ा, तो नकली सुधार उछलकर 46.0% हो गया। यह दर्शाता है कि यदि आपकी गिनती करने की विधि अपूर्ण है, तो यह सुधार की एक झूठी कहानी बना सकती है।
इस सिमुलेशन का मुख्य निष्कर्ष यह है कि जब मिर्गी के ट्रायल में एक प्लेसबो समूह "बेहतर" होता है, तो इसका मतलब यह नहीं है कि वे मनोवैज्ञानिक रूप से बेहतर महसूस कर रहे हैं या कोई जादुई उपचार शक्ति काम कर रही है। इन कंप्यूटर मॉडलों में, कोई दवा नहीं थी, सुधार की कोई अपेक्षा नहीं थी, और कोई ब्लाइंडिंग (अंधापन) भी नहीं था। सुधार पूरी तरह से इस बात के कारण हुआ कि मरीजों को कैसे चुना गया और उनके दौरों को कैसे गिना गया। लेखक सुझाव देते हैं कि किसी उपचार को दोष देने या उसकी प्रशंसा करने से पहले, हमें यह समझने की आवश्यकता है कि क्या सुधार केवल तूफान का गुजरना (टाइप 1) है, खेल के नियम (टाइप 2), या गिनती में कोई गड़बड़ी (टाइप 3) है। यह समझते हुए कि ये तीन अलग-अलग तंत्र हैं, वैज्ञानिक बेहतर ट्रायल डिजाइन कर सकते हैं जो गणित के धोखे में नहीं फंसते।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।